[英]ValueError: Error when checking target: expected dense_2 to have 3 dimensions, but got array with shape (10000, 1)
[英]ValueError: Error when checking target: expected dense_2 to have 4 dimensions, but got array with shape (7942, 1)
我一直在使用以下功能 API 進行使用 CNN 的圖像分類任務:
def create_model(X_train, X_test):
visible = Input(shape=(X_train.shape[0], X_train.shape[1], 1))
conv1 = Conv2D(32, kernel_size=4, activation='relu')(visible)
hidden1 = Dense(10, activation='relu')(pool2)
output = Dense(1, activation='sigmoid')(hidden1)
model = Model(inputs = visible, outputs = output)
model.compile(loss='binary_crossentropy',
optimizer='rmsprop',
metrics=['accuracy'])
return model
X_tr = np.reshape(X_train, (1,X_train.shape[0], X_train.shape[1], 1))
X_te = np.reshape(X_test, (1,X_test.shape[0], X_test.shape[1], 1))
model = create_model(X_train, X_test)
model.fit(X_tr, y_train, validation_split = 0.1, batch_size=10, epochs=10, verbose = 1, callbacks=[EarlyStopping(patience=5,verbose=1)])
其中, X_train
是一個 7942*6400 維的列表, y_train
是一個具有相應 7942 個標簽的一維列表。
錯誤:
ValueError:檢查目標時出錯:預期dense_2有4個維度,但得到了形狀為(7942, 1)的數組
由於我是函數式 API 的新手,這里可能出了什么問題?
該消息表示y_train
與模型的輸出不兼容。
您的模型正在輸出(None, width, height, 1)
。 您應該在卷積之后添加一個Flatten()
層,以使數據從這一點開始只有 2 個維度。
補充評論:
輸入數據必須具有與模型兼容的形狀。
X_train
的形狀必須是(7942,80,80,1)
模型的input_shape
必須是(80,80,1)
如果您使用(1,6400, 1)
形狀,則您的Conv2D
圖層將毫無用處,因為它無法將數據解釋為 2D 圖像。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.